준 지도 학습 ADDA 신경망을 활용한 PCB 불량검출 (A PCB Inspection with Semi-Supervised ADDA Networks)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 26권 / 3호 / 150 ~ 155페이지
· 저자명 : 김태현, 조영준, 김혜린

초록

최근 심층신경망 학습기술(딥러닝)의 발전으로 기존의 규칙기반 PCB 불량검출에 이를 도입하려는 시도가 활발하다. 그러나 딥러닝을 위한 충분한 PCB 데이터 확보가 어렵고, 단일 공정의 학습 데이터를 확보하여 모델을 학습하여도 해당 모델을 타 공정의 PCB 불량검출에 그대로 적용하기 어렵다. 이러한문제를 해결하기 위해, 본 논문에서는 데이터 확보가 비교적 용이한 공정에서 기 학습된 모델을 사용하여성능을 높이는 준 지도 학습이 도입된 형태의 Domain Adaptation 기법을 제안한다. 제안하는 기법을 벤치마크 데이터를 이용해 성능을 검증하고, 기존의 방식들과 비교하여 범용적인 상황에서도 효과적임을 증명한다. 또한 제안 기법을 실제 PCB 이미지로 성능 검증을 함으로써, 실 데이터에도 적용이 가능함을 확인한다.

영어초록

With the recent development of deep neural network learning (deep learning), efforts to introduce the deep learning into the conventional rule-based PCB inspection are actively being pursued. However, it is difficult to obtain sufficient labeled PCB data to train deep neural networks.
Additionally, although deep neural networks are trained by labeled data from a PCB inspection process (source domain), it is difficult to apply the trained networks to other PCB inspection processes (target domain). To solve these problems, we propose an advanced framework for domain adaptation to increase defect detection performances by exploiting source and target domain knowledge. Experimental results using public datasets demonstrate that the proposed method outperforms state-of-the-art methods and is promising for defect detection with the real PCB data.

참고자료

· 없음